緊急シナリオにおける精密固定化手技（PIT）のための、物理情報付きニューラル最適制御
arXiv cs.RO / 2026/4/8
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、非線形の衝突ダイナミクス、厳格な安全制約、およびリアルタイム計算要件にもかかわらず、制御不能となった緊急車両に対する精密固定化手技（Precision Immobilization Technique: PIT）を自動化することを提案する。
- 知識蒸留、階層的なパラメータクラスタリング、関係行列に基づくパラメータ復元を用いて、蒸留されたコンパクトな物理情報付きサロゲートとして PicoPINN（Planning-Informed Compact Physics-Informed Neural Network）を導入する。
- 階層型の制御フレームワークを提示する。上位の仮想的意思決定（neural-OCP計画）層が、シナリオ制約のもとでPITの意思決定パッケージを生成し、下位の結合MPC層が相互作用を考慮した制御を実行する。
- PITシナリオデータセットによる評価では、サロゲート比較、計画構造のアブレーション、およびシミュレーションからスケールされたバイワイヤ車両実験までのマルチフィデリティ試験を行い、シミュレーションにおけるPITの成功率が改善することを示す（63.8%から76.7%へ）。
- スケール実験により実現可能性の証拠を示し、低速域で制御可能な接触PIT試験4件中3件が、ヨーレバーサル（進行方向の向きの反転）を達成した。
